机器人

作者：张帆, 黄丹, 丁璐, 王勇, 宋磊

关键词：水下图像增强, 对比学习, 循环生成式对抗网络, 目标检测

水下图像因存在色彩失真和细节损失，严重影响了水下机器人的视觉感知能力。为实现图像增强，同时提高检测精度，提出了一种基于对比学习的水下图像增强与目标检测多任务学习框架，既生成视觉友好图像，又提高目标检测精度，实现面向目标检测任务的图像增强。针对目标纹理特征不清晰的问题，通过检测任务的区域生成模块构建对比学习的正负图像块，保证目标区域与原始图像在特征空间更加接近，同时利用检测的梯度信息引导图像增强朝着有利于目标检测的方向进行。此外，通过基于循环生成式对抗网络的图像翻译方法来学习并保留清晰图像特征实现图像增强，不需要成对的水下图像，降低了对数据的要求。最后，在EUVP、U45和UIEB数据集上进行了增强算法验证，在RUOD、URPC2020和RUIE数据集上进行了检测算法验证。实验结果表明，本文算法在主观视觉上可以有效修正颜色失真问题，同时保留了原始图像及目标的结构纹理；在客观指标上，峰值信噪比达到24.57 dB，结构相似度达到0.88。图像增强后在Faster R-CNN和YOLOv7算法上检测精度平均提升了2%。

来源：2025年第1期

《机器人》期刊编辑部

查看机器人杂志2025年第1期